智能体与神经形态计算机塑造全新的未来
基于Agentic(智能体)的计算机具有目标导向性,其架构围绕一个或多个自主智能体构建,这些智能体能够规划、决策并执行操作达成目标。

计算机已发展出多种形态,通常旨在满足特定应用需求或服务不同市场细分领域。从20世纪60年代的大型机计算机开始,各类计算机产品蓬勃发展,其中包括超级计算机、工作站、服务器、个人计算机、嵌入式计算机、单板微型计算机以及片上系统(SoC)等。
专为人工智能设计的计算机集群是这一计算机发展谱系的最新形态。除利用量子力学独特特性解决问题的量子计算机外,传统计算机均基于二进制数字技术,并采用共享总线架构。

该结构为行业提供了显著优势,因其能够在无需重大技术突破的情况下实现性能的规模化提升。
人工智能计算机通过运用机器学习算法和神经处理单元(NPU)来分析海量数据、识别并进行预测,将传统数字计算提升至全新水平。NPU是一种专门设计的计算机微处理器,能够模拟人脑的信息处理功能。它可对可能的结果进行评估并加以优化改进,从而实现无需特定编程即可快速学习并适应任务需求。强化学习等先进技术使AI系统能够通过反复试错来优化行为模式。与此同时,AI计算机的物理尺寸与复杂度持续显著提升,为大型学习模型的运算处理提供了有力支持。
目前,传统计算机的规模化发展已开始面临诸多限制,包括过高功耗以及对内存资源的高速访问需求。这两个因素均成为开发更强大人工智能计算机的技术瓶颈。基于智能体技术和神经形态技术的计算机采用了优化架构,具备传统计算机无法实现的功能,被视为计算机技术发展的关键突破。
基于Agentic(智能体)的计算机具有明确的目标导向性,其架构核心在于一个或多个能够自主规划、决策并执行行动实现目标的智能体。这类系统以内存为核心而非计算核心,相关计算功能均位于内存附近或与内存深度集成。与传统计算机仅响应单一指令并遵循预设规则运行不同,智能体人工智能系统能将目标分解为独立动作,从而主动规划、推理、学习、实现多步骤复杂目标,并无需人工干预即可自主决策。同时还能持续监控执行结果并进行动态调整以优化输出效果。
人工智能Agentic通常是指通过传感器感知物理世界、并通过执行器或软件实施功能,并与环境交互,从而使其能够适应变化。
Agentic计算机通常包括:
* 感知模块
* 世界/状态模型
* 目标管理器
* 规划器/推理器
* 动作执行器
* 记忆或存储(短期与长期)
* 反馈与学习循环
Agentic计算机的一些关键特征包括:
1,异构架构,集成了CPU、GPU、DSP和FPGA等多种类型的处理器。该系统可通过为特定任务选择最高效的设备来优化性能。
2,采用持久共享内存,降低延迟和功耗,消除现有的内存瓶颈。
3,高带宽互连技术可提升数据吞吐量,并充当中枢神经系统。CXL 和NVLink便是典型的高带宽互连方案。
4,机架级计算机,配备独立服务器,支持协同功能。
从架构角度来看,Agentic计算机采用交换式网络结构替代了中央总线。该结构可在多个半自主智能体之间提供多通道异步、高速、低延迟的通信。单一共享总线将成为性能瓶颈。
其结果是速度提升、功耗降低,并且应用具备更强的通用性,能够应对多样化的工作负载。客户服务、自动化软件开发、医疗保健及金融服务领域的应用均可充分受益于Agentic计算技术。
Agentic计算机存在软件复杂性问题,且因缺乏人工监管机制而引发诸多困扰,目前限制了其在工业领域的广泛应用。但Agentic计算机代表了计算机演进过程中的一项重要进展,其能够模拟人类在现实世界中解决问题的方式。
神经形态计算机及软件旨在模拟生物神经网络的结构与功能,具备并行处理多任务、容错性强以及能效极高的优势。与基于时钟信号的计算方式不同,神经形态计算机采用脉冲式信号神经网络,其工作原理与生物神经元相似,因此非常适合实时应用中的动态事件处理需求。
神经形态计算机利用忆阻器来模拟神经形态网络中的突触连接。在电阻、电容和电感忆阻器之后,最近提出的第四种基本电路元件是一种被动非线性器件,兼具电阻与存储特性。忆阻器的电阻值会随施加电压/电流的历史变化而改变,并能在断电后保持该状态。
神经形态处理器与传感器针对大规模并行处理进行优化,通常配备多个核心及集成式存储阵列。这类设备具有超低功耗、低延迟且始终处于激活状态的特点,能够将智能计算能力延伸至边缘设备,广泛应用于机器人技术、自动驾驶及工业自动化领域。神经形态计算机为当前人工智能系统面临的功耗与扩展性难题提供了最有效的解决方案。

神经形态计算机采用基于生物大脑模型构建的大型网格网络,用直接点对多点链路替代总线与交换机通信。与传统系统中数据需等待接入中央总线不同,神经形态计算机通过驱动型脉冲传输数据来避免瓶颈现象。其连接方式具有去中心化且高度并行的特点。
由于编程功能有限且性能基准测试结果无法直接比较,该方案的广泛普及可能需要一定时间。
由AWS、微软和甲骨文等行业领军企业推出的商业级Agentic人工智能计算机已开始进入市场。完全自主的Agentic 计算机预计将于2030年前广泛普及。
神经形态微控制器与传感器正逐步进入市场,并将用于构建应用于医疗可穿戴设备、自适应机器人及自动驾驶车辆的计算机系统。
最可能的发展趋势是自主计算与神经形态计算能力将形成互补关系,充分发挥各自的优势。神经形态层可协同工作,高效处理原始传感器数据,在边缘端采用快速识别模式。而自主计算层则负责数据解析、目标设定、资源分配及解决方案生成。这种组合方式能以远低于当前人工智能计算机能耗的水平,实现计算效率显著提升且具备高度可扩展性。
构建智能体计算机所需的组件很可能与传统计算机所用组件相似。神经形态计算机需要专门设计的芯片和传感器,这些元件经过优化以模拟神经突触的功能。两者均需大量使用高性能铜缆和光纤。神经形态计算机固有的低功耗特性有望降低对当前人工智能计算集群中常见的高功率分配连接器的需求,并有助于缓解部分散热问题。
Agentic计算机与神经形态计算机是实现创建人工通用智能(AGI)这一长期目标的重要进展。这类新型计算机几乎能在推理、创造力和问题解决等所有领域超越人类,从而推动科学、医学及宇宙认知领域的巨大进步。同时也可能引发巨大的社会变革,大量人类工作岗位将因此消失。
人工超级智能(ASI)是超越通用人工智能的下一个发展阶段。这种级别的智能指代一种远超最杰出人类心智认知能力的假设性智慧系统。ASI计算机不仅能探索人类至今无法想象的技术领域,若其发展方向与人类价值观不符,更可能带来重大的风险。
目前预计通用人工智能(AGI)将于2040年实现,但人工智能领域近期的快速发展可能使AGI更早成为现实。
广告
暂无评论